Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á
Năm thứ. 34(8) , Tháng 8/2023, Trang 108-122


Nghiên cứu mô hình học máy dự đoán xác suất vỡ nợ của khách hàng doanh nghiệp tại ngân hàng thương mại cổ phần ở Việt Nam
Research on machine learning models for predicting the probability of corporate customer default at a Commercial Joint Stock Bank in Vietnam
Nguyễn Quốc Hùng & Quan Toại Mẫn & Trương Thị Minh Lý

DOI:
Tóm tắt
Dự đoán khả năng vỡ nợ của khách hàng trong tương lai sử dụng các công nghệ hiện đại đang là xu hướng phát triển trong các tổ chức tài chính nói chung và ngân hàng nói riêng. Điều này là cần thiết để các tổ chức tài chính có các hướng xử lý kịp thời như giảm thiểu rủi ro tín dụng, phân tích quy trình tín dụng, và tối ưu hóa danh mục tín dụng... Bài báo sử dụng các dữ liệu liên quan đến thông tin tín dụng, tài chính và đặc điểm của khách hàng doanh nghiệp tại ngân hàng để xây dựng mô hình máy học, từ đó tiến hành thử nghiệm đánh giá và lựa chọn ra một mô hình tốt nhất. Với kết quả này, ngân hàng có thể áp dụng mô hình vào thực tế để hỗ trợ quyết định kinh doanh, giúp tăng cường khả năng dự báo rủi ro tín dụng, nâng cao hiệu suất hoạt động của ngân hàng và giảm thiểu các tổn thất không mong muốn.

Abstract
Predicting the probability of customer default in the future using modern technologies is a growing trend in the overall financial industry, specifically in the banking sector. It is necessary for financial institutions to have timely solutions such as credit risk reduction, credit process analysis, and credit portfolio optimization. The paper utilizes data related to credit information, financial indicators, and corporate customer characteristics from the bank, employing quantitative research methods to collect and process data to build a machine-learning model. The result shows that the XGBoost model achieved the highest accuracy with an F1-score of 0.84, and the ROC curve had an AUC of 0.97. By utilizing these findings, the bank can implement the model into practice to facilitate business decision-making, enhance credit risk forecasting capabilities, improve operational efficiency, and mitigate undesirable losses.

Từ khóa
Dự đoán vỡ nợ; Decision Tree; Random Forest; XGBoost, CatBoost.
Loan Default Prediction; Decision Tree; Random Forest; XGBoost; CatBoost.
Download
Mô hình tư vấn học tập trong đào tạo trực tuyến dựa trên cộng đồng người học đa tiêu chí
2024, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á Mở rộng

Nghiên cứu xây dựng hệ thống tính toán hiệu năng cao phục vụ triển khai các bài toán trong Ðại học thông minh
2024, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á Mở rộng

Ảnh hưởng của hệ thống thông tin đến lợi thế cạnh tranh của các công ty giao nhận hàng xuất nhập khẩu và đại lý hải quan tại thành phố Hồ Chí Minh
2024, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á Mở rộng

Phân tích ý kiến khách hàng trong thương mại điện tử tiếp cận theo phương pháp học máy kết hợp kiểm định Bootstrap
2024, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á Mở rộng

Nghiên cứu đề xuất kiến nghị thúc đẩy ý định mua nông sản hữu cơ trực tuyến tại một số tỉnh miền Bắc
2023, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á Mở rộng